Exclusivamente dois anos depois o Open AI lançar o ChatGPT, editores e agregadores de teor estão desenvolvendo um fluxo de ferramentas de pesquisa e invenção aprimoradas por IA. Eles também estão experimentando maneiras pelas quais a IA generativa poderia ajudar um ecossistema de pesquisa tenso com tarefas de back-end, porquê edição, revisão por pares e documentação do processo experimental.
Todos estes são sinais de que a indústria da publicação académica está preparada “para um incremento exponencial na sua utilização ao longo do ciclo de vida da investigação e publicação”. de conformidade com um relatório publicado no final do mês pretérito pela empresa de pesquisa educacional Ithaka S+R.
Segue um relatório o grupo divulgou em janeiro que pedia uma infraestrutura compartilhada para mourejar com os riscos e oportunidades que a tecnologia do dedo apresenta para a informação acadêmica, embora esse relatório tenha sido fundamentado em entrevistas do início de 2023, quando o ChatGPT estava no mercado há somente alguns meses.
‘Muitas variáveis’
Mas mesmo que a tecnologia influencie a produção e publicação de investigação académica a um ritmo cada vez mais intenso, os próprios investigadores têm sido lentos a escolher amplamente a IA generativa, porquê vários relatórios – incluindo alguns de Por dentro do ensino superior– mostraram.
Para ajudar a entender esta discrepância, Ithaka S+R lançou seu mais recente projeto no verão pretérito.
“A IA generativa injetou muitas variáveis na equação da publicação acadêmica. E ainda não existe um quadro partilhado para compreender quais são essas implicações”, afirmou Dylan Ruediger, quinhoeiro de ambos os relatórios e gestor sénior do programa da ramificação empresarial de investigação da Ithaka S+R. “Assim, também não existe uma estrutura partilhada para compreender o que estará envolvido na gestão dos efeitos da IA generativa.”
Os investigadores já estão a levantar preocupações de que a informação de livre chegada – algumas das quais não foram submetidas a uma rigorosa revisão por pares – utilizada para treinar alguns grandes modelos de linguagem (LLMs) possa minar a integridade da investigação académica.
O novo relatório da Ithaka S+R, que se baseia em entrevistas com uma dúzia de representantes do mundo editorial acadêmico, incluindo bibliotecários, membros de sociedades acadêmicas, financiadores e editores, revela áreas de conformidade, muito porquê divergências sobre o que a IA pode valer para as práticas de pesquisa acadêmica daqui para frente.
“O consenso entre os indivíduos com quem conversamos é que a IA generativa permitirá ganhos de eficiência em todo o processo de publicação”, escreveram Ruediger e sua coautora, Tracy Bergstrom, gerente do programa de coleções e infraestrutura em Ithaka, em uma postagem no blog sobre o relatório. “Grafar, revisar, editar e desenredar se tornará mais fácil e rápido. Tanto a publicação acadêmica quanto a invenção científica, por sua vez, provavelmente acelerarão porquê resultado de métodos de pesquisa aprimorados pela IA.”
No entanto, os entrevistados ficaram divididos sobre a forma porquê esses ganhos de eficiência moldarão o porvir da publicação académica. Alguns sugeriram que poderiam ajudar a publicação a funcionar de forma mais tranquila, mas não “alterariam fundamentalmente a sua dinâmica ou propósito”, de conformidade com o relatório. Mas outros entrevistados pintaram um “cenário muito mais nebuloso”, em que a IA generativa transforma a investigação académica a tal ponto que “supera” as ferramentas digitais criadas ao longo dos últimos 30 anos.
Um dos tópicos de discussão mais populares foram os benefícios e as desvantagens do uso da IA para facilitar na revisão por pares, alguma coisa pelo qual os estudiosos há muito lamentam que raramente sejam pagos.
“Havia implicações éticas complicadas em tornar a automação segmento da revisão por pares”, disse Ruediger. “Mas também houve um reconhecimento real de que leste era um dos grandes gargalos no processo de publicação neste momento.” A IA generativa poderia ajudar a desapoquentar esse detido, combinando os revisores com os autores e lidando com a edição e formatação básicas das citações, o que “permitiria que os revisores humanos se concentrassem mais no teor”, disse ele.
Mas a liceu ainda não abraçou o impulso para desenvolver uma informação clara em torno da IA generativa, tal porquê outras indústrias o fizeram.
Alguma coisa entre 69 e 96 por cento dos pesquisadores biomédicos não usam IA generativa para nenhum propósito específico de pesquisa, de conformidade com outro estudo Ithaka S+R publicado em outubro. Adicionalmente, Por dentro do ensino superiorpesquisa mais recente dos diretores de tecnologia de faculdades e universidades descobriram que somente 9% acreditam que o ensino superior está pronto para mourejar com a subida da novidade tecnologia.
Tapume de metade dos entrevistados Por dentro do ensino superior A pesquisa também disse que suas instituições enfatizam o uso de IA para casos individuais, em vez de pensar nisso em graduação empresarial.
Isso pode ocorrer em segmento porque “é realmente difícil fazer com que professores e outras pessoas descentralizadas e bastante autônomas dentro das universidades atuem e se comportem de maneira relativamente congruente”, disse Ruediger. “A IA generativa é um duelo de nível empresarial. Para que esta seja uma tecnologia produtiva para o ensino superior, teremos que pensar nela porquê um problema de sistema a nível institucional e mais além.”
Os editores, no entanto, já estão “pensando sobre isso de uma forma bastante sistemática”, disse ele, o que por sua vez criou “um espaço real e uma urgência para as comunicações de outras partes interessadas”.
Embora editoras porquê Taylor & Francis e Wiley já tenham vendeu milhões de dólaresCom base em dados de pesquisa acadêmica para treinar a Microsoft e outros LLMs proprietários, a maioria dos pesquisadores acadêmicos ainda está focada em obter promoções e firmeza em um envolvente que os alerta para “publicar ou perecer”.
‘Mitigar consequências não intencionais’
No entanto, se esses pesquisadores ansiosos por publicar usarem LLMs que foram treinados em informações gratuitas, mas incorretas, isso terá o potencial de “estragar a qualidade” de pesquisas futuras, disse Chhavi Chauhan, diretor de divulgação científica da Sociedade Americana de Patologia Investigativa. e gerente de programa para Mulheres em programas de aceleração e aumento de IA.
E vomitar repetidamente dados incorretos também representa um risco de “comprometer a novidade das ideias”, disse ela. “Os humanos estão pensando nas coisas de maneira criativa, mas grandes modelos de linguagem só conseguem ver o que já existe. Eles não têm originalidade.”
Embora as principais editoras e o governo federalista tenham criado orientações sobre o uso da IA generativa, para serem mais eficazes esses planos também precisam da adesão das instituições acadêmicas, disse ela.
Numa indústria sem “referenciais claros”, disse Chauhan, “a colaboração é a forma de seguir”.
E embora a flutuação de partes interessadas e plataformas possa dificultar o desenvolvimento de “políticas gerais”, Chauhan disse que preservar a crédito do público na investigação académica exigirá pelo menos “uma lista de verificação mínima que todos devem respeitar”.
Seja porquê for, acrescentou ela, a orientação deve ter porquê objetivo “mitigar consequências não intencionais” e concentrar-se “no que a IA pode fazer pelos humanos”.
